[发明专利]基于遗传算法的无线认知网络端到端服务质量确保方法

说明书

技术领域

本发明涉及一种具有认知功能的移动自组织网络，属于移动自组织网络中端到端服务质量确保的技术领域。

背景技术

近年来，移动自组织网络中的端到端服务质量(QoS)确保问题引起了国内外专家学者和科研机构的广泛关注。端到端QoS指数据传输过程中涉及到的所有节点、链路服务性能的总效果，它决定了一个用户对服务的满意程度，通常由若干基本的性能指标来描述，包括链路可用性、吞吐量、时延、抖动、分组丢失率、连接建立时间等。移动自组织网络以其较强的灵活性、可生存性和自组织能力被广泛地应用于社会各领域。然而，该网络中也存在一些问题，比如资源有限，无线链路时断时续、间歇可用，集中控制的基础设施缺乏等，这些使得移动自组织网络中的端到端QoS确保问题面临着很多挑战。

目前现有的针对移动自组织网络中端到端QoS确保的研究主要存在以下几个问题：一是，端到端QoS确保方法不具有通用性。由于不同应用的机理导致影响其端到端QoS的关键因素有所不同，因而根据不同应用的特点，采用不同的端到端QoS确保方法。比如，视频、音频的编码方式是影响多媒体业务QoS的重要因素之一，因而很多对其QoS保障问题的研究都集中于编码方法，而对其他很多应用的端到端QoS保障则没有这方面因素的考虑。二是，QoS指标之间存在着一些关联，对其中一些指标的保障，可能会影响到其他指标的性能。目前大部分的研究只能确保单个QoS指标，同时确保多个QoS指标通常是个NP问题，需要借助于一些智能的算法来解决。三是，目前大部分方法在应对环境变化方面的能力比较弱，尤其是移动自组织网络这种环境会随时发生变化的网络，增强方法的自适应能力，使其在环境变化时，能够快速做出响应是十分必要的。

与此同时，无线认知网络是近年来新兴的一种具有自我管理、自我优化、自我愈合能力的网络技术。它能够通过测量、估算、感应等途径感知反映当前网络状态的参数值；然后，采取一定的智能方法，如遗传算法、博弈论等，按照一定的端到端目标，决策出能够提高网络端到端性能的配置方案；最后，根据决策出的结果，进行网络的重构；在上述过程中，网络还具有学习的能力，积累一定的重构案例，从中提取出知识，以指导后续的决策过程。

针对目前在移动自组织网络端到端QoS确保研究中的几个问题，引入无线认知网络的方法是十分必要的。无线认知网络中的一个关键问题是决策过程采用的智能决策方法。遗传算法是借鉴了进化生物学中的一些现象，如变异、交叉等，而发展起来的，是一种用于解决最优化问题的搜索算法。它的特点有：从问题解的串集开始搜索，覆盖面大，利于全局择优；同时处理多个个体，减少了陷入局部最优解的风险，算法本身易于实现并行化；具有自组织、自适应性和自学习性；可以解决多目标优化问题等。这些特点使得它成为适合确保业务多个QoS指标的优化搜索方法。

发明内容

本发明以确保移动自组织网络中业务的多个端到端QoS指标为目标，根据无线认知网络的思想，建立移动自组织网络中业务端到端QoS确保问题的无线认知网络模型，并以遗传算法作为无线认知网络模型中的智能决策方法，具体包括：

1.无线认知网络模型

无线认知网络的基本组成有感知、决策和行动这三个部分。本发明将移动自组织网络中业务的端到端QoS确保问题建立为无线认知网络模型。将业务的QoS指标，如业务的端到端时延、抖动、丢包率等，作为反映网络状态的感知参数；将能够解决多目标优化问题的遗传算法作为智能决策过程的方法；将网络协议栈中的可调参数，如无线节点的发射功率、数据的发送速率等，作为完成网络重构的行动方案配置参数。

2.采用遗传算法的认知决策过程

遗传算法作为无线认知网络模型中的智能决策方法，其主要作用是搜索能够确保业务多个端到端QoS指标的网络协议栈中的可调参数值。将经过编码的可调参数组合作为遗传算法中参与操作的染色体，可调参数的个数即为染色体的长度；QoS指标作为适应度函数，由于本发明针对的是多个QoS指标，适应度函数以向量的形式表示，向量中的每个元素对应于每个经过处理的QoS指标。染色体参与的运算是遗传算法现有的锦标赛选择、交叉、变异等操作，通过这些操作，染色体会不断变换成不同的染色体，再通过非支配排序算法将这些染色体进行多目标排序，选择出在各个子目标上均较好的染色体，作为新的种群，继续参与遗传操作。算法结束后，将求解出的染色体解码，即可得到所需的可调参数值。